SP2 Korelační analýza. Korelační analýza. Libor Žák

Podobné dokumenty
SP2 Korelační analýza. Korelační analýza. Libor Žák

PRAVDĚPODOBNOST A STATISTIKA

Korelační analýza. sdružené regresní přímky:

PRAVDĚPODOBNOST A STATISTIKA

Poznámky k tématu Korelace a jednoduchá lineární regrese (Téma není ve skriptech)

Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky).

Kapitola 5.: Analýza rozptylu jednoduchého třídění

p = 6. k k se nazývá inverze v permutaci [ ] MATA P7 Determinanty Motivační příklad: Řešte soustavu rovnic o dvou neznámých: Permutace z n prvků:

ARITMETICKÉ POSLOUPNOSTI s-tého STUPNĚ. Daniela Bittnerová

PRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady

Generování dvojrozměrných rozdělení pomocí copulí

nazveme číselným vektorem. Čísla a Definice. Vektor, jehož všechny složky se rovnají nule, se nazývá nulový vektor o r = (0, 0, 0,, 0).

a další charakteristikou je četnost výběrového souboru n.

11.1 Úvod. Definice : [MA1-18:P11.1] definujeme pro a C: nedefinujeme: Posloupnosti komplexních čísel

Intervalové odhady parametrů některých rozdělení.

Vlastnosti posloupností

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2

Metody zkoumání závislosti numerických proměnných

PRAVDĚPODOBNOST A STATISTIKA

M - Posloupnosti VARIACE

Téma 3: Popisná statistika

Lineární regrese ( ) 2

6.2. ČÍSELNÉ ŘADY. V této kapitole se dozvíte:

Odhady parametrů 1. Odhady parametrů

8.1 Úvod. Definice: [MA1-18:P8.1] výpočet obsahu plochy pod grafem funkce. (nejdříve jen pro a < b ) a = x 0 < x 1 <... < x n = b.

Úvod do korelační a regresní analýzy

1 Popis statistických dat. 1.1 Popis nominálních a ordinálních znaků

PRAVDĚPODOBNOST A STATISTIKA

Univerzita Karlova v Praze Pedagogická fakulta

Tento materiál vznikl díky Operačnímu programu Praha Adaptabilita CZ.2.17/3.1.00/33254

Základní elementární funkce.

PRAVDĚPODOBNOST A STATISTIKA

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY DUBNA 2018

Vztahy mezi základním souborem a výběry. Základní pojmy a symboly. K čemu to je dobré? Výběrové metody zkoumání

12. N á h o d n ý v ý b ě r

1 Měření závislosti statistických znaků. 1.1 Dvourozměrný statistický soubor

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n

Cílem kapitoly je zvládnutí řešení determinantů čtvercových matic.

Chyby přímých měření. Úvod

14. Korelace Teoretické základy korelace Způsoby měření závislostí pro různé typy dat

Soustava kapalina + tuhá látka Izobarický fázový diagram pro soustavu obsahující vodu a chlorid sodný

TECHNICKÁ UNIVERZITA V LIBERCI

8. Elementární funkce

Úvod do teorie měření

a my chceme data proložit nějakou hladkou funkcí, která by vystihovala hlavní vlastnosti dat, ale ignorovala malé fluktuace a nepřesnosti.

v. Úkolem regrese (vyrovnání) argumentu y je nalézt vhodnou regresní funkci Y f (x)

P. Girg. 23. listopadu 2012

a q provedeme toto nahrazení a dostane soustavu dvou rovnic o dvou neznámých: jsou nenulová čísla (jinak by na pravé straně rovnice byla 0)

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA

Náhodný výběr 1. Náhodný výběr

Struktura a architektura počítačů

Nosné stavební konstrukce Výpočet reakcí Výpočet vnitřních sil přímého nosníku

Interpolace a aproximace. Interpolace algebraickým polynomem a aproximace metodou nejmenších čtverců

Přehled často se vyskytujících limit posloupností. = ek. = 1 lim n n! = = C = α 0+

8.2.7 Geometrická posloupnost

STEJNOMĚRNÁ KONVERGENCE POSLOUPNOSTI A ŘADY FUNKCÍ

[ jednotky ] Chyby měření

SEMESTRÁ LNÍ PRÁ CE. Licenč ní studium STATISTICKÉZPRACOVÁ NÍ DAT PŘ I KONTROLE A Ř ÍZENÍ JAKOSTI

8.2.7 Vzorce pro geometrickou posloupnost

1.8.1 Mnohočleny, sčítání a odčítání mnohočlenů

= b a. V případě, že funkce f(x) je v intervalu <a,b> záporná, je integrál rovněž záporný.

1.2. MOCNINA A ODMOCNINA

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY BŘEZNA 2018

} kvantitativní znaky

Dvourozměrná tabulka rozdělení četností

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

Základy korelační analýzy

PRAVDĚPODOBNOST A STATISTIKA

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz:

9.3.5 Korelace. Předpoklady: 9304

Pravděpodobnost a aplikovaná statistika

Testujeme hypotézu: proti alternativě. Jednoduché třídění:

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE. k bakalářské zkoušce

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojního inženýrství. Matematika IV. Semestrální práce

Univerzita Karlova v Praze Pedagogická fakulta

Výpočet planetových soukolí pomocí maticových metod

Nekonečné řady. 1. Nekonečné číselné řady 1.1. Definice. = L L nekonečnou posloupnost reálných čísel. a) Označme { a }

10 částic. 1,0079 1, kg 1, kg. 1, kg. 6, , kg 0, kg 1,079g

1. Mení ve fyzice, soustava jednotek SI

Odhady parametrů základního. Ing. Michal Dorda, Ph.D.

Klasická pravděpodobnost

Řešení písemné zkoušky z Matematické analýzy 1a ZS ,

Domácí práce z p edm tu D01M6F Statistika

12. Regrese Teoretické základy

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

u, v, w nazýváme číslo u.( v w). Chyba! Chybné propojení.,

Při výpočtu obsahu takto omezených rovinných oblastí mohou nastat následující základní případy : , osou x a přímkami. spojitá na intervalu

Úlohy školní klauzurní části I. kola kategorie C

6. ČÍSELNÉ POSLOUPNOSTI A ŘADY 6.1. ČÍSELNÉ POSLOUPNOSTI

VY_52_INOVACE_J 05 01

VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE V ROVINĚ

Geometrické a fyzikální aplikace určitého integrálu. = b a. je v intervalu a, b záporná, je integrál rovněž záporný.

Intervalové odhady parametrů

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

1. LEKCE. Veličiny: 1) kvantitativní (metrické) a) spojité (např. výška, váha) b) diskrétní (znaky, např. počet dětí, počet výborně v indexu)

Odhady a testy hypotéz o regresních přímkách

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY BŘEZNA 2019

PRACOVNÍ SEŠIT ALGEBRAICKÉ VÝRAZY. 2. tematický okruh: Připrav se na státní maturitní zkoušku z MATEMATIKY důkladně, z pohodlí domova a online

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

Transkript:

Koelčí lýz

Přpomeutí pojmů áhodá poměá áhodý vekto áhodý vekto m Náhodý výbě: po áhodou poměou : po áhodý vekto : po áhodý vekto : m m

Přpomeutí pojmů - kovce Kovce áhodých poměých kovčí koefcet popsuje leáí závslost mez áhodým poměým. Ozčeí: Pltí: E E E E E E 0 d b d c b Z Z Z D D D j j D D

Přpomeutí pojmů - koelce Koelce áhodých pměých koelčí koefcet popsuje leáí závslost mez áhodým poměým.. Ozčeí: ρ ρ ρ. Nechť jsou áhodé poměé s kldým směodtým odchylkm: 0 0 pk defujeme koelčí koefcet:

Přpomeutí pojmů - kovce Pltí: Koelce áhodých poměých : sg d b d c b 0

Koelčí lýz Nechť je áhodý výbě z dvojozměého ozděleí se středí hodotou ozptylem kovcí koelcí. Výběové sttstky: Pltí: Nesté výběové sttstky E E E E E

Výběový koelčí koefcet: ebol Koelčí lýz - koelce R R Pltí: Nechť je áhodý výbě z dvojozměého omálího ozděleí s kldým ozptyly koelcí tedy pk po áhodou velču pltí: tj. má tudetovo ozděleí s stup volost. t R R 0 3 0 ~ N

Nechť je áhodý výbě z dvojozměého omálího ozděleí s kldým ozptyly. Pk hypotézu H 0 : ezmítáme vzhledem k ltetví hypotéze: H A :. pokud po elzc: kde je elzce R pltí: Koelčí lýz - koelce t 0 0 y y x x xy y x t t t

: Koelčí lýz - koelce Nechť je áhodý výbě z omálího ozděleí ~ N 0 0 3. Pk vz. D. me 946 E R D R edy - výběový koelčí koefcet jž eí estý le symptotcky estý. Pokud pltí: 0 pk E R 0 - estý odhd 0 pokud víc pltí 5 pk D R

Koelčí lýz koelce - příkld

Koelčí lýz koelce - příkld Příkld: Ve skupě mtemtckých žeýů FI byly zjštěy ásledující údje: váh výšk číslo ohy Koelčí mtce 96 8 43 Z 9 85 40 074749 0463 73 86 4 074749 0644457 8 9 47 Z 0463 0644457 76 7 4 53 6 36 - váh 60 73 35 - výšk 7 8 44 Z - číslo ohy 90 85 4 55 70 43 N hldě výzmost 005 otestujte hypotézu ezávslost váhy výšky čísl ohy.

Koelčí lýz Fscheov tsfomce Pokud koelčí koefcet eí ove ule emjí jeho výběové hodoty omálí ozděleí se středí hodotou. Výše uvedeý vzoec se poto ehodí po test hypotézy ovost koelčího koefcetu eulové hodotě. Je třeb výběovou sttstku R pomocí vhodé tsfomce "omlzovt". Nejpoužívější tsfomce je dá logtmckým vzthem: Pk E Z l v Z 3 Z l R R

Koelčí lýz Fscheov tsfomce Pltí: Nechť je áhodý výbě z omálího ozděleí ~ N 0 0 eí přílš blízko Pk Z R s l ~. R N Po pktcké použtí se požduje 0. est hypotézy testovcí ktéum: l ; 3 H : 0 vzhledem k ltetví hypotéze: H A : 0 z l l 0 0 0 3 doplěk ktckého obou: W u u

Koelčí lýz Fscheov tsfomce pecálě: Nechť ~ N je áhodý výbě z omálího ozděleí 0 0 0 0 Pk Z R l R. s ~ N0; 3 est hypotézy testovcí ktéum: H : 0 vzhledem k ltetví hypotéze: : 0 z l 3 H A doplěk ktckého obou: W u u

Koelčí lýz Fscheov tsfomce pecálě: Nechť je áhodý výbě z omálího ozděleí ~ N 0 0 30. ~ ~ ~ ~ Nechť ~ ~ je áhodý výbě z omálího ozděleí ~ ~ ~ ~ N ~ ~ ~ ~.. 0 0 ~ ~ ~ 30 počítáme: R R ~ Z Z ~ Pk U ~ s Z Z ~. N0; 3 ~ 3 est hypotézy H : ~ vzhledem k ltetví hypotéze: z ~ z testovcí ktéum: u kde z l 3 ~ 3 doplěk ktckého obou: W u u H A : ~ ~ ~ z l ~

Koelčí lýz Fscheov tsfomce pecálě - Itevlový dhd: Nechť je áhodý výbě z omálího ozděleí ~ N 0 0 0. Pk tevlový odhd lze tké vyjádřt ve tvu: z z tgh z; tgh z u z 3 l kde u z z tgh z 3 e e z z e e z z

Koelčí lýz koelce - příkld Příkld: Ve skupě mtemtckých žeýů FI byly zjštěy ásledující údje: váh výšk číslo ohy Koelčí mtce 96 8 43 Z 9 85 40 074749 0463 73 86 4 074749 0644457 8 9 47 Z 0463 0644457 76 7 4 53 6 36 - váh 60 73 35 - výšk 7 8 44 Z - číslo ohy 90 85 4 55 70 43 Pomocí Fscheov tsfomce spočtěte 95% tevlový odhd po leáí závslost mez váhou výškou.